Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "forecasting model" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Ekonometryczny model zużycia paliw ciekłych
Econometric model of country consumption of liquid fuels
Autorzy:
Kwilosz, Tadeusz
Filar, Bogdan
Powiązania:
https://bibliotekanauki.pl/articles/1835073.pdf
Data publikacji:
2019
Wydawca:
Instytut Nafty i Gazu - Państwowy Instytut Badawczy
Tematy:
rynek paliw ciekłych
model ekonometryczny
prognozowanie
liquid fuels market
econometric model
forecasting
Opis:
Jednym z priorytetowych zagadnień dla państwa jest zapewnienie stabilnego rozwoju gospodarczego, który jest ściśle związany z bezpieczeństwem energetycznym kraju. Problem zagwarantowania bezpieczeństwa energetycznego Polski staje się bardzo istot- ny z powodu dużego importu ropy naftowej i gotowych produktów. W 2017 roku przerób ropy naftowej przez rafinerie krajowe wyniósł 26,8 mln ton. Krajowe wydobycie ropy naftowej w 2017 roku wynosiło około 1 mln ton i stanowiło zaledwie 3,7% przerobu. W związku z tym w Polsce występuje bardzo wysoki stopień uzależnienia od importu ropy naftowej, wynoszący 96,3%. Drugi niekorzystny czynnik zwiększający ryzyko związane z dostawami ropy naftowej do Polski to bardzo duże uzależnienie od jednego kierunku dostaw (Paliński i Łucki, 2006). Zgodnie z publikacją Polskiej Organizacji Przemysłu i Handlu Naftowego (POPiHN) aż 81,4% importu ropy naftowej pochodzi z Rosji. W sytuacji tak dużego uzależnienia od jednego kierunku dostaw bardzo istotne staje się zgromadzenie rezerw interwencyjnych ropy naftowej i produktów naftowych, gwarantujących dostawy przez wymagane 90 dni. W związku z tym, że budowa magazynów paliw ciekłych trwa co najmniej 2–3 lata, odpowiednie prace analityczne powinny wyprzedzać prace budowlane również co najmniej o kilka lat. W zaprezentowanym artykule przedstawiono wyniki zastosowania zbudowanego modelu matematycznego służącego do prognozowania zużycia paliw w kolejnych latach. Zaprojektowano i skalibrowano w oparciu o wybrany zestaw atrybutów (zmiennych objaśniających) niejednorodny liniowy model ekonometryczny. Dokonano statystycznej weryfikacji oszacowanych parametrów modelu. Do budowy modelu wykorzystano podstawowe wskaźniki makroekonomiczne. Zakres danych historycznych obejmował lata 2000–2017. Ze względu na dużą liczbę kombinacji, jaką należy przebadać dla każdego z modeli (217 − 1) opisane wyżej algorytmy zostały zaimplementowane w postaci programu komputerowego, za pomocą którego dokonano niezbędnych obliczeń.
Ensuring the stable development of the country is one of the most important tasks facing the government. The stable development of the country is closely related to its energy security. The problem of ensuring Poland’s energy security becomes very important due to the large import of crude oil and liquid fuels. In 2017, the refining of crude oil by domestic refiners amounted to 26.8 million tones. Domestic crude oil production in 2017 amounted to approximately 1 million tons and accounted for only 3.7% of processing. Therefore, in Poland there is a high dependence on crude oil imports (96.3%). The second unfavorable factor increasing the risk of crude oil supplies to Poland lies in the very large dependence on one direction of supply (Paliński and Łucki, 2006). According to POPiHN, up to 81.4% of crude oil imports come from Russia. In the situation of such a large dependence on one direction of supply, it becomes very important to collect emergency reserves of crude oil and petroleum products, guaranteeing deliveries for the required 90 days. Due to the fact that the construction of liquid fuel storage facilities lasts at least 2–3 years, appropriate analytical works should precede the construction works also at least by several years. The article presents the results of the application of the mathematical model used to predict fuel consumption in subsequent years. A non-uniform linear econometric model was designed and calibrated based on a selected set of attributes (explanatory variables). A statistical verification of estimated model parameters was carried out. Basic macroeconomic indicators have been used to build the model. The historical data covered the years 2000–2017. Due to the large number of combinations to be tested for each of the models (217 − 1), the algorithms described above were implemented in the form of a computer program which was used to make all the necessary calculations.
Źródło:
Nafta-Gaz; 2019, 75, 7; 404-412
0867-8871
Pojawia się w:
Nafta-Gaz
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Ekonometryczny model krótkoterminowego prognozowania zużycia gazu
Econometric model of short-term natural gas consumption forecasting
Autorzy:
Kwilosz, Tadeusz
Filar, Bogdan
Powiązania:
https://bibliotekanauki.pl/articles/2143631.pdf
Data publikacji:
2021
Wydawca:
Instytut Nafty i Gazu - Państwowy Instytut Badawczy
Tematy:
model ekonometryczny
krótkoterminowe prognozowanie
zużycie gazu
econometric model
short-term forecasting
natural gas consumption
Opis:
W celu opracowania modelu krótkoterminowego zapotrzebowania na gaz konieczne jest dokonanie analizy najnowszych metod prognozowania matematycznego w celu wyboru i zaadaptowania właściwej z nich (spełniającej warunek efektywności i skuteczności). Niezbędne jest rozpoznanie i analiza czynników (głównie środowiskowych) wpływających na wynik krótkoterminowych prognoz oraz źródeł danych możliwych do wykorzystania. Efektem wykonanej pracy jest model numeryczny krótkoterminowego zapotrzebowania na gaz dla wybranej jednostki terytorialnej kraju. Opracowany model został skalibrowany i przetestowany na historycznych danych opisujących warunki środowiskowe i rzeczywiste zużycie gazu. Zaprojektowano i skalibrowano, na podstawie wybranego zestawu atrybutów (zmiennych objaśniających), niejednorodny liniowy model ekonometryczny. Dokonano statystycznej weryfikacji oszacowanych parametrów modelu. Warto zauważyć, że w krótkim terminie wykonania prognozy (7 dni) nie zachodzą znaczące zmiany w otoczeniu rynku gazowego (uruchomienie nowych inwestycji, podłączenie nowych użytkowników do systemu czy zmiany zapotrzebowania wynikające ze zmieniających się warunków makroekonomicznych). Inne czynniki techniczne, takie jak awarie linii produkcyjnych u odbiorców czy przestoje przemysłowe, są trudne do przewidzenia lub wiedza o nich rzadko jest dostępna. Z tego względu jedynymi czynnikami mogącymi mieć wpływ na zmiany zapotrzebowania gazu w krótkim terminie są czynniki pogodowe, które zostały wybrane jako zmienne objaśniające dla opracowanego modelu. Historyczne dane pogodowe zostały pobrane z usługi sieciowej (web service) OpenWeatherMap History Bulk. Jako zmiennej objaśnianej użyto dobowych wartości zużycia gazu dla jednego z województw Polski południowej. Dane zostały pobrane z systemu wymiany informacji operatora gazociągów przesyłowych. Dane dotyczą okresu trzyletniego, gdyż tylko takie dane zostały upublicznione. Zmienne objaśniające obejmują dobowe wartości danych pogodowych, takich jak: średnia temperatura, temperatura odczuwalna, temperatura minimalna, temperatura maksymalna, ciśnienie atmosferyczne, wilgotność względna, prędkość wiatru i kierunek wiatru.
In order to develop a mathematical model of short-term gas demand, it is necessary to analyze the latest mathematical forecasting methods in order to select and adapt the right one (meeting the condition of efficiency and effectiveness). It is necessary to recognize and analyze factors (mainly environmental) affecting the result of short-term forecasts and sources of data that can be used. The result of the work is a numerical model of short-term gas demand for a selected territorial unit of the country. The developed model was calibrated and tested on historical data describing environmental conditions and real gas consumption. A heterogeneous linear econometric model was designed and calibrated on the basis of a selected set of attributes (explanatory variables). The estimated parameters of the model were statistically verified. It is worth noting that in the short term of the forecast (7 days) there are no significant changes in the gas market environment (launching new investments, connecting new users to the system, or changes in demand resulting from changing macroeconomic conditions). Other technical factors, such as production line failures at customers or industrial downtime, are difficult to predict, or knowledge about their occurrence is rarely available. For this reason, the only factors that may have an impact on changes in gas demand in the short term are weather factors, which were selected as explanatory variables for the developed model. Historical weather data was retrieved from the OpenWeatherMapHistoryBulk web service. Daily values of gas consumption for one of the voivodships of southern Poland were used as the response variable. The data was downloaded from the information exchange system of the transmission pipeline operator. The data covers a three-year period, as only such data has been made public. The explanatory variables include the daily values of weather data such as: average temperature, chilled temperature, minimum temperature, maximum temperature, atmospheric pressure, relative humidity, wind speed and wind direction.
Źródło:
Nafta-Gaz; 2021, 77, 7; 454-462
0867-8871
Pojawia się w:
Nafta-Gaz
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies